含分类索引的多层索引DataFrame重置索引触发ValueError求助

问题背景 #

现有如下多层索引DataFrame：

item_quantity  current_stock_qty_9XU7
month name zone  product type                                       
January    East  Product             18111.0                 17799.0    
                 Subtotal            19343.0                 17803.0
           North Combo                2457.0                    34.0
                 Product             16900.0                 31708.0
                 Subtotal            19357.0                 31742.0
           South Combo                3042.0                    24.0                 
                 Product             19453.0                  6630.0
                 Subtotal            22495.0                  6654.0
           West  Combo                2903.0                     6.0
                 Product             19185.0                114959.0
                 Subtotal            22088.0                114965.0
February   East  Combo                 845.0                     0.0
                 Product              6820.0                     0.0
                 Subtotal             7665.0                     0.0
           North Combo                2050.0                     0.0
                 Product             14054.0                     0.0
                 Subtotal            16104.0                     0.0

其中month name为分类索引（Categorical Index），用于排序时保留月份顺序。调用reset_index(level=1, inplace=True)时触发以下错误：

ValueError                                Traceback (most recent call last)
~/github-repos/dolphin/Dolphin_Dashboard/app/compute_engine_wrapper.py in transform_df(df, rows, columns, measure_col_map, measure_order, hide_subtotals, measures_first)
   1120             try:
-> 1121                 pt.reset_index(level=1, inplace=True)
   1122             except ValueError:

~/github-repos/dolphin/dd_env/lib/python3.8/site-packages/pandas/core/frame.py in reset_index(self, level, drop, inplace, col_level, col_fill)
   4707                 # to ndarray and maybe infer different dtype
-> 4708                 level_values = _maybe_casted_values(lev, lab)
   4709                 new_obj.insert(0, name, level_values)

~/github-repos/dolphin/dd_env/lib/python3.8/site-packages/pandas/core/frame.py in _maybe_casted_values(index, labels)
   4658                     if mask.any():
-> 4659                         values, changed = maybe_upcast_putmask(values, mask, np.nan)
   4660 

~/github-repos/dolphin/dd_env/lib/python3.8/site-packages/pandas/core/dtypes/cast.py in maybe_upcast_putmask(result, mask, other)
    231     if not isinstance(result, np.ndarray):
-> 232         raise ValueError("The result input must be a ndarray.")
    233 

ValueError: The result input must be a ndarray.

当前使用pandas 0.25.3版本，因依赖限制无法升级，且不希望使用猴子补丁，需寻找其他绕过方案。

可行的绕过方法 #

方法一：手动提取索引列并移除索引层 #

直接提取目标索引层转为DataFrame的列，再移除对应的索引层级，避开reset_index的bug：

# 提取level=1的索引（zone）作为新列
df['zone'] = df.index.get_level_values(1)
# 移除该索引层
df = df.droplevel(level=1)

备注：若需操作多个索引层，调整get_level_values和droplevel的参数即可，完全避开分类索引的reset_index问题。

方法二：临时转换索引类型，完成操作后恢复 #

先将分类索引临时转为普通字符串索引，执行reset_index后再恢复分类属性：

# 提前保存原始分类的类别和排序设置
original_categories = df.index.levels[0].categories
original_ordered = df.index.levels[0].ordered

# 临时将分类索引转为普通字符串索引
df.index = df.index.set_levels(df.index.levels[0].astype(str), level=0)

# 执行reset_index操作
df.reset_index(level=1, inplace=True)

# 恢复month name的分类属性
df['month name'] = pd.Categorical(df['month name'], categories=original_categories, ordered=original_ordered)

# 若需要重新设置为索引，可按需调整
df = df.set_index('month name', append=True).reorder_levels(['month name', 'product type'])

备注：确保提前保存原始分类的配置，保证后续排序逻辑与之前一致。

方法三：全量重置索引后重建 #

先一次性重置所有索引为列，之后再重新构建所需的多层索引：

# 重置所有索引为普通列
df_flat = df.reset_index()

# 重新设置多层索引（根据需求调整层级顺序）
df = df_flat.set_index(['month name', 'product type'])

备注：操作简单，适合索引层级较少的场景，且不会触发分类索引的bug，同时保留month name的分类属性。

内容的提问来源于stack exchange，提问作者Judy T Raj